从一个具体的例子说起：如何均匀生成 1 亿以内的随机数？ 所谓“均匀”，意味着生成概率相等。
从 rand() 函数开始
生成随机数，第一反应是使用 rand() 函数。rand() 函数是 C 语言中用来生成随机数的函数：
#include <stdlib.h> void srand(unsigned int seed); int rand(void); int rand_r(unsigned int *seedp);
rand() 函数可以生成 [0, RAND_MAX] 之间的数字，其中 RAND_MAX 一般是 2147483647。
传统的 rand() 函数在使用前需要使用 srand() 函数设置随机种子。由于 rand() 函数内部使用了静态变量保存状态，调用 rand() 函数时会进行加锁，并且是不可重入的。为了解决这个问题，可以使用 rand_r() 函数，它是 rand() 的可重入版本，使用参数 seedp 来保存相应的状态。
为了生成 1 亿以内的随机数，最简单的方式是使用取模运算：rand() % 100000000。但是这种方法并不是均匀的，因为对于 [0, 99999999] 这 1 亿个数字来说，概率是不相等的。例如，随机生成数字 0 的情况有 22 种可能，而随机生成数字 99999999 的情况只有 21 种可能。为了得到均匀分布的随机数，需要使用其他方法来处理。
C++ 的 uniform_int_distribution
C++ 的 uniform_int_distribution 是 C++ 标准库中的一个随机数分布类，用于生成均匀分布的整数随机数。它可以用于生成指定范围内的整数随机数，确保生成的随机数在指定范围内是均匀分布的。
uniform_int_distribution 类通常与 C++ 标准库中的随机数引擎配合使用，例如 std::default_random_engine。通过使用 uniform_int_distribution，可以避免使用取模运算来生成随机数，从而更加方便地生成均匀分布的整数随机数。
int main() { std::random_device rd; std::mt19937 gen(rd()); std::uniform_int_distribution<int32_t> distrib(0, 99999999); for (uint32_t i = 0; i < 10; i++) { std::cout << distrib(gen) << std::endl; } }
关于 std::random_device 和 std::mt19937
std::random_device 是 C++ 标准库中用于生成真正随机数的设备。它通常用作生成随机数种子，以便初始化伪随机数生成器。由于 std::random_device 生成的随机数是基于真正的随机事件（例如硬件噪声）而不是伪随机算法，因此它通常用于初始化伪随机数生成器的种子，以提供更好的随机性。
std::mt19937 是 C++ 标准库中的 Mersenne Twister 伪随机数生成器。它是一个高质量的伪随机数生成器，能够生成均匀分布的整数随机数。通常，std::random_device 用于生成种子，然后将该种子传递给 std::mt19937，以初始化 Mersenne Twister 伪随机数生成器。
综合使用 std::random_device 和 std::mt19937 可以提供更好的随机性，并且是 C++ 中生成随机数的常用做法。
当使用 std::random_device 和 std::mt19937 时，可以通过以下代码示例来生成均匀分布的整数随机数：
#include <iostream> #include <random> int main() { // 使用 random_device 生成种子 std::random_device rd; // 使用 mt19937 作为伪随机数生成器 std::mt19937 gen(rd()); // 定义均匀分布的整数随机数分布 std::uniform_int_distribution<int> dis(1, 100); // 生成 1 到 100 之间的均匀分布的整数随机数 // 生成随机数 for (int i = 0; i < 10; ++i) { int random_num = dis(gen); // 使用 mt19937 生成随机数 std::cout << random_num << " "; } return 0; }
总的来说，无论是性能还是随机数的质量，std::mt19937 / std::mt19937_64 都是其中出类拔萃的伪随机数生成器。
小结：
1.使用 rand() 取模的方式造成的随机数不均匀概率不算特别大，但具体影响因应用而异。建议尽量避免使用这种方式来生成随机数。
2.使用 time(nullptr) 作为 rand() 的随机种子虽然方便，但存在一些问题：种子变化频率低且不够随机，容易被预测。
3.内部会加锁的 rand() 可以使用 rand_r() 避免，但总体来说，建议不要在 C++ 代码中使用 rand() 系列的函数。
4.使用 std::random_device 生成随机种子，std::mt19937 / std::mt19937_64 生成随机数，以及 std::uniform_int_distribution 生成指定范围的随机数是一个方便又安全的随机数生成组合。
参考资料
1.漫谈随机数
